算法设计第三章 动态规划.pptVIP

动态规划(最长公共子序列问题)相关概念若给定序列A={a1,a2,…,an}，则另一序列C={c1,c2,…,ck}为A的子序列是指存在一个严格递增下标序列{i1,i2,…,ik}使得对于所有j=1,2,…,k有：cj=aij。例如，序列C={b，c，d，b}是序列A={a，b，c，b，d，a，b}的子序列，相应的递增下标序列为{2，3，5，7}。公共子序列给定2个序列A和B，当另一序列C既是A的子序列又是B的子序列时，称C是序列A和B的公共子序列。问题提出—最长公共子序列。给定2个序列A={a1,a2,…,an}和B={b1,b2,…,bm}，找出A和B的最长公共子序列。显然，用蛮力策略，A有2n个子序列。若用?(m)时间内可确定它也是B的一个子序列，其时间复杂性?(m2n)。第30页，共83页，星期日，2025年，2月5日动态规划(最长公共子序列问题)最优子结构性质设序列A={a1,a2,…,an}和B={b1,b2,…,bm}的最长公共子序列为C={c1,c2,…,ck}，则(1)若an=bm，则ck=an=bm，且Ck-1是An-1和Bm-1的最长 公共子序列。(2)若an≠bm且ck≠an，则C是An-1和B的最长公共子 序列。(3)若an≠bm且ck≠bm，则C是A和Bm-1的最长公共子 序列。由此可见，(1)说明A、B两个序列的最长公共子序列包含了它们前缀An-1、Bm-1的最长公共子序列。因此，最长公共子序列问题具有最优子结构性质。第31页，共83页，星期日，2025年，2月5日动态规划(最长公共子序列问题)递归定义最优值由最优子结构性质知：计算A和B的最长公共子序列时，都要计算A和Bm-1及An-1和B的最长公共子序列，而这两个子问题都包含一个公共子问题（重迭子问题），即计算Bm-1和An-1最长公共子序列。从上述可知：最长公共子序列问题的最优子结构性质决定了建立子问题最优值的递归关系。于是，令L[i,j]记录a1,a2,…,ai和b1,b2,…,bj的最长公共子序列的长度。显然，当i=0或j=0时，则L[i,j]=0表示Ai和Bj的最长公共子序列为空序列。其它情况，则由最优子结构性质建立递归关系如下：第32页，共83页，星期日，2025年，2月5日动态规划(最长公共子序列问题)举例：X=abcbdab，Y=bdcaba4432210b74332210a63322210d53322110b42222110c32211110b21110000a1000000Xi0abacdb6543210bacb递归推导得解：bcbaYjijnulnul0第33页，共83页，星期日，2025年，2月5日动态规划(最长公共子序列问题)计算最优值算法由递归关系直接计算，公共子问题求解会被重复计算。基于空间考虑，总共有?(mn)个不同的子问题，用动态规划算法自底向上地计算最优值能提高算法的效率。 算法：LCSLENGTH 输入：字母表?上的两个字符串A和B及长度n,m 输出：最长公共子序列的长度及最优解数组s[1…n][1…m]L←LCSLENGTH(n,m)过程：LCSLENGTH(n,m) 1 fori←0ton 2 L[i,0]←0 3 endfor4forj←0tom 5 L[0,j]←0 6 endfor第34页，共83页，星期日，2025年，2月5日动态规划(最长公共子序列问题) 7 fori←1ton 8 forj←1tom 9 ifA[i]=B[j]then 10 L[i,j]←L[i-1,j-1]+1 12 s[i,j]←‘↖’13 elseifL[i-1,j]=L[i,j-1]then14 L[i,j]←L[i-1